基于双向局部开发和黄金正弦的异构导向的鲸鱼优化算法

为了解决鲸鱼优化算法WOA准确率低和稳定性差的问题,提出了一种基于双向局部开发和黄金正弦算法的异构导向的鲸鱼优化算法LEDGWOA。在搜索猎物阶段嵌入黄金正弦算子,结合“更优更近”的原则,增强个体间信息交流的强度。此外,根据适应度值区分出统治鲸鱼群,用自适应惯性权重计算出一个虚拟领导者。在包围猎物阶段时,整合切比雪夫阈值的双向开发策略,从而加强了邻域的开发强度。随机螺旋式更新可以间接地增加种群在迭代后期的分散度。改进后的算法在CEC2017和CEC2019函数上进行仿真实验,并成功应用于压力容器的优化设计。LEDGWOA与17种算法进行对比,结果表明其具有优越的性能。

基于自适应网格多目标鲸鱼算法的火力分配问题研究

传统多目标优化算法在解决多于两个目标函数的火力分配问题时收敛效果不佳,多样性差,耗时过大。基于此,提出了一种自适应网格多目标鲸鱼优化算法(AG-MOWOA)来解决以震塌比例、弹药成本和自身剩余价值为目标函数的火力分配问题。该算法引入混沌映射和外部Pareto存档进化策略提高了种群的多样性,通过自适应网格选取最优个体的方法极大地减少了算法运行时间。仿真实验结果表明,该算法较其他算法收敛速度更快、收敛质量更高、解集分布更多样,能够有效解决火力分配问题。

基于免疫选择和自适应权重的鲸鱼优化定位算法

针对鲸鱼优化算法(WOA)在到达时间差和到达角度混合定位中存在后期迭代种群多样性减小,容易导致局部最优、定位精确度降低的问题,提出一种基于免疫选择和自适应权重的鲸鱼优化算法(IM-WOA).由最大似然估计法得到目标定位函数,为丰富种群多样性引入免疫机制,能够有效产生新的个体,从而避免种群陷入局部最优.通过将自适应惯性权重应用于个体位置的更新公式,实现算法全局探索能力和局部开发能力的平衡和协调,对经典基准函数和目标定位函数进行求解.结果表明,与WOA、AWOA、CSSOA、PIO、CASSA算法相比,IM-WOA算法对绝大多数基准函数的求解具有更高的精度、稳定性和定位精度.

基于改进鲸鱼算法优化SVM的软件缺陷检测方法

为解决传统支持向量机在软件缺陷检测中存在分类精度低、参数选择困难等问题,文章提出一种基于改进鲸鱼算法优化SVM的软件缺陷检测方法LFWOA-SVM。首先针对鲸鱼算法在求解过程中存在收敛速度慢、寻优效率低和局部最优解问题,基于Levy飞行策略优化鲸鱼觅食阶段,最大限度地实现搜索代理多样化,并利用混合变异扰动算子提高WOA的全局寻优能力;然后采用改进的鲸鱼算法LFWOA对SVM的惩罚因子和核函数参数进行优化,在获得最优参数的同时可有效检测软件缺陷。仿真实验表明,在6个基准测试函数中,LFWOA展现出更高的寻优速度和全局搜索能力;在8个公开软件缺陷数据集上进行测试显示,LFWOA-SVM方法能够有效提高分类性能和预测精度。

融合历史记忆的单纯形引导鲸鱼优化算法

针对鲸鱼优化算法存在易陷入局部最优、收敛速度慢等缺点,提出一种融合历史记忆的单纯形引导鲸鱼优化算法。首先,为了避免初始化种群过于集中而陷入局部最优,提出了使用混沌映射对初始化种群进行改进,增加了种群多样性;其次,为了解决算法收敛精度低和收敛速度慢的问题,提出了融合历史记忆的单纯形引导策略,利用单纯形法和构建的历史记忆表求解出一个虚拟最优解作为下次随机搜索阶段的引导者,帮助种群在前期的勘探过程中进行细致地搜索;最后提出一种新的非线性参数策略,平衡算法的开发和勘探能力。将算法应用于12个典型的复杂函数优化问题,并与其他5种智能算法比较,实验结果表明,改进后的算法在收敛精度与速度方面均为第一,具有良好的全局搜索能力和局部开发能力。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

基于改进鲸鱼优化算法的分数阶PID参数整定

该文提出了一种自适应混合策略鲸鱼优化算法(adaptive mixed strategy whale optimization algorithm,AMSWOA)用于分数阶PID控制器的参数整定。该算法基于鲸鱼优化算法进行改进,引入Tent混沌序列用以提高WOA的种群多样性、全局搜索能力和收敛速度;同时,采用了收敛因子非线性变化策略,并引入自适应权重以克服算法陷入局部最优解的问题;高斯变异的加入则有助于提高算法的搜索精度和寻优性能。通过在MATLAB/Simulink环境下验证整数阶和分数阶系统的被控对象,并与鲸鱼算法、灰狼优化算法及粒子群优化算法进行比较,证实了该文的AMSWOA算法对求解分数阶PID控制器参数整定问题的有效性和实用性。

基于变分模态分解与鲸鱼算法优化回声状态网络的风速预测模型

风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

基于改进鲸鱼优化算法的离场航班时刻优化

面对航空客货运输服务迅速增长、各地机场离港高峰时段拥挤度激增的情况,需要对离场航班进行优化配置,降低高峰时段离场总延误时间,同时保障航空公司申请的航班时刻总偏移。考虑航班时刻唯一性、走廊口流量限制、机场容量限制等因素,建立双目标离场航班时刻优化模型,运用精英反向策略与黄金正弦算法对鲸鱼优化算法(WOA)进行改进后求解。以北京首都国际机场为例,使用AirTOp对优化后的结果进行仿真验证。结果表明:优化后航班平均延误减少77.62%。因此,改进鲸鱼优化算法可以有效降低离港高峰时段延误,增强机场运行效率,合理配置有限的时刻资源。

融入武装部队的鲸鱼优化算法用于社区发现

针对于鲸鱼优化算法(WOA)多样性不足、两搜索阶段信息交流效率低、不平衡的问题,这里借用武装部队协同作战机理,提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题,引入“邻居潜力”学习模型,提高WOA的全局搜索能力和学习广度;为解决两捕食阶段信息交流效率的低问题,提出鲸鱼指挥官领导的气泡网捕食,确保搜索信息能有效利用;为解决两种捕食机制不平衡的问题,采用改进的学习自动机引导鲸鱼种群向有希望区域移动。同时,考虑到复杂网络社区发现是离散问题,提出了一种基于拓扑特性的新编码离散演化规则。最后,通过真实数据集测试并与其他算法比较,结果表明,该算法相较于对比算法具有更优的寻优能力,验证了算法的有效性。

基于B样条与鲸鱼优化算法的机械臂轨迹规划

为了提高机械臂的工作效率,构建一种基于B样条与鲸鱼优化算法(whale optimization algorithm,WOA)的机械臂时间最优轨迹规划方法.用蒙特卡罗法描绘机械臂的工作空间,用B样条对给出的路径点进行插值处理,根据机械臂各个关节的性能,引入角速度与角加速度约束,同时加入边界条件.在构建时间最优的目标函数后,利用引入惯性权重值的WOA对机械臂运行时间进行优化.用Matlab进行仿真验证,结果表明构建的算法在时间优化方面效果好于传统的5次多项式方法,并且角速度与角加速度曲线连续平滑,验证了算法的有效性和可行性.

基于多策略改进鲸鱼算法的船舶推力分配方法

船舶动力定位推力分配求解是一种复杂的多约束多目标优化问题,鲸鱼优化算法(WOA)处理该类问题较传统推力分配算法计算更简便、精度更高,但以牺牲时间为代价,需解决实时可靠收敛问题。针对上述问题,提出一种改进鲸鱼推力分配算法,通过采用等式约束项的特解系数为个体变量,降低搜索空间维度和范围,为算法获取可靠解和快速收敛奠定基础;通过空间区块化和“精英”筛选法初始化种群,增加初始种群分散性和“精英”个体数量,提高寻优效率和收敛稳定性;引入动态种群边界获取合理的搜索空间,提高算法收敛速度;最后运用类梯度法进行种群更新,模拟区域遍历搜寻,以较少迭代次数获取可靠解。以CybershipⅢ船模为对象进行仿真验证,结果表明该算法可行,具有较好的实时性和稳定收敛性,提高了推力分配性能。

融合T-分布小波变异的混沌鲸鱼优化算法

针对鲸鱼优化算法难以跳出局部最优导致收敛精度不足的问题,提出一种融合了T-分布小波变异和多项式差分学习策略的鲸鱼优化算法.该算法首先引入Circle混沌扩大搜索范围,提高收敛速度;然后采用T-分布小波变异策略平衡全局和局部搜索能力;最后采用多项式差分学习策略改进算法的优化精度.对3种改进策略作单一引入的仿真对比分析,并将改进的鲸鱼优化算法在12个可变维度的基准测试函数上进行仿真,对本文改进的鲸鱼优化算法与其他改进策略的鲸鱼优化算法以及其他几种智能算法进行比较.结果表明,基于T-分布小波变异和多项式差分学习策略的改进鲸鱼优化算法具有较好的稳定性,收敛速度和精度更好.

鲸鱼算法优化CNN-BiGRU-ATTENTION的车辆换道意图识别模型

针对时空多样特征、超参数敏感性影响车辆行为意图识别精度的问题,提出一种改进的CNN-BiGRU-ATTENTION混合换道意图识别模型。采用目标车辆轨迹序列和与周围车辆互动特征作为模型输入进行训练,实现考虑车辆动态变化状态的意图识别预测;使用鲸鱼优化算法对模型调整参数进行多目标寻优,降低模型调优难度;利用NGSIM数据集对模型进行评估校验。结果表明:所提出的WOA-CNN-BiGRU-ATTENTION模型与CNN-BiGRU-ATTENTION模型、Transformer模型相比,准确率分别提升了4.53%、0.97%,达到97.64%;WOA-CNN-BiGRU-ATTENTION模型在不同预判时间下的意图识别准确率最高,在换道前2.5 s的识别精度均能达到91%以上,证明模型具有较强的车辆换道意图识别性能。

基于鲸鱼优化算法的风力发电机组变桨模糊控制策略

由于风的变化性、随机性等因素,风电机组的输出功率处于不稳定的状态。当风速超过额定风速时,通过精确地调节桨距角,保证风电机组输出功率的稳定性。针对该问题,基于Matlab/Simulink仿真软件,搭建出风电机组变桨控制模型,设计了基于鲸鱼算法优化的模糊PID控制器。然而,模糊控制参数繁多,仅靠专家经验进行整定比较困难。因此,通过鲸鱼算法对模糊参数进行在线最优整定,很好地解决了风电机组的大滞后和非线性问题。通过对比分析PID控制器和模糊PID控制器的性能,仿真结果表明后者可以使功率快速趋于额定值,提高了系统的动态响应,并且可以精确调整桨距角。此外,模糊PID控制器最大限度减轻了变桨机构的疲劳,增加了风机的寿命。

基于改进鲸鱼算法优化神经网络的GPS高程拟合方法

采取混沌映射和自适应惯性权重结合的策略对标准鲸鱼算法进行改进,从而提高算法的全局寻优能力和收敛速度,并针对BP神经网络的劣势,利用改进鲸鱼算法对BP神经网络进行优化处理。在此基础上建立改进鲸鱼算法优化BP神经网络的GPS高程异常拟合预测模型,并通过两组不同地形特征工程中的GPS数据对模型进行验证。结果表明,利用改进鲸鱼算法优化的BP模型进行GPS高程拟合时可取得更高的精度和稳定性。

基于改进鲸鱼算法的分布式电源双层规划

为了改善分布式电源接入配电网对电网安全、经济运行的影响,需要对分布式电源进行优化规划。充分考虑了风光出力不确定性及相关性,选择风电、光伏、微型燃气轮机作为待规划的分布式电源,建立双层规划模型。以分布式电源投资费用、运维费用、主动配电网购电费用、微型燃气轮机燃料费、污染治理费用、网络损耗费用综合最小为目标函数,建立了上层规划模型。以每个场景下年综合运行费用最小为目标,考虑功率平衡、节点电压、支路容量、分布式电源渗透率等约束条件,构建下层运行模型。针对鲸鱼算法收敛速度慢、不能及时跳出局部解等问题,采用tent映射、引入惯性权重、非线性收缩因子三种措施改进鲸鱼算法。最后通过算例仿真进行验证。结果表明:本文所提改进方法可以提高鲸鱼算法性能,可以更有效地求解所提模型。

基于概率精英差分和自适应黄金正弦的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。

基于改进鲸鱼算法的搬运机器人运动规划

针对搬运机器人搬运效率不足、稳定性效果不好等问题,使用改进鲸鱼优化算法的时间最优运动规划方法进行解决。首先将机器人模型导入MATLAB中,根据相关算法计算出机器人的空间范围,从空间范围中选取实际目标点并转换到关节空间,在关节空间中使用“四次-三次-四次”插值多项式构造机器人的轨迹,然后将各关节的角速度、角加速度作为约束条件,采用改进的鲸鱼优化算法对轨迹进行优化,缩短机器人运行时间。通过仿真实验,改进的鲸鱼算法较PSO算法规划时间缩短约30%,较标准的鲸鱼算法规划时间缩短约17%,有效提升了搬运机器人在搬运方面的效率和稳定性。